随着无人机设备的发展和普及,无人机航拍助力于自然界环境的监测和保护。其中,无人机巡逻监测通常用于解决人力监测中巡逻周期长,外界危险地区难以到达等问题。地质遗迹变化检测这一任务可以利用无人机获得高时间、空间分辨率的地质遗迹图像,这有利于及时发现地质遗迹的变化并采取管理和保护措施。通过无人机获取的大量地质遗迹图像需要地面地质学家运用变化检测方法从中发现可疑变化。然而,无人机拍摄的地质遗迹整体和局部的几何细节显示地质遗迹本体的纹理细节相当复杂。因此变化所在背景复杂,图像中地物细节差异大。现有的传统变化检测方法和基于图像分类的变化检测模型已不能满足高分辨率下复杂背景图像变化检测的要求。为缓解上述问题,本文提出了基于双生成器的变化检测网络模型,这是一种端到端的变化检测网络。采用基于条件生成对抗网络的图像转换结构来解决地质遗迹变化检测任务;并且,设计两个生成器一个判别器的架构,明确强制网络捕获各种模式,提升条件生成对抗网络训练的稳定性;添加类激活映射网络,通过可区分变化区域的类激活图来增强变化信息。为验证改进模型的合理性和优越性,本文根据第一个时期无人机拍摄的图像模拟第二个时期地质遗迹的变化,构建了地质遗迹变化检测数据集,并在该数据集上进行模型训练和测试。实验表明,本文所提模型在无人机航拍图像的地质遗迹变化检测任务中,检测性能优于传统变化检测方法和基于图像分类的变化检测模型,在具有极高变化检出率和极低漏检率的情况下,能保证较低的虚检率。实验结果表明了本文所提模型的合理性和优越性。